12 月 17 日消息，人工智能（AI）日趨一日地在醫(yī)療領(lǐng)域變得越來越重要,，尤其是在醫(yī)學(xué)影像分析方面,。醫(yī)生們可以通過 AI 更快更準(zhǔn)地診斷疾病，制定治療方案,。而要讓 AI 更聰明,，就需要大量高質(zhì)量的醫(yī)學(xué)影像數(shù)據(jù)來“喂養(yǎng)”它，也就是進(jìn)行訓(xùn)練,。

然而,，由于患者隱私保護(hù)、高昂的數(shù)據(jù)標(biāo)注成本等多種因素,，要獲得高質(zhì)量,、多樣化的醫(yī)學(xué)影像數(shù)據(jù)往往存在障礙。為此,，近年來,，研究者們開始探索使用生成式 AI 技術(shù)合成醫(yī)學(xué)影像數(shù)據(jù)，以此來擴充數(shù)據(jù),。

為了解決這個問題,，北京大學(xué)與溫州醫(yī)科大學(xué)的研究團(tuán)隊建立一種生成式多模態(tài)跨器官醫(yī)學(xué)影像基礎(chǔ)模型（MINIM），可基于文本指令以及多器官的多種成像方式,，合成海量的高質(zhì)量醫(yī)學(xué)影像數(shù)據(jù),，為醫(yī)學(xué)影像大模型的訓(xùn)練、精準(zhǔn)醫(yī)療及個性化診療等提供有力技術(shù)支持,。

該成果已于 12 月 11 日發(fā)表在國際權(quán)威期刊《自然?醫(yī)學(xué)》上（附 DOI:10.1038 / s41591-024-03359-y）,。

簡單來說，MINIM 就像一個“圖像生成器”,，它可以通過 AI 技術(shù),，根據(jù)文字描述，自動合成出海量的醫(yī)學(xué)影像數(shù)據(jù),，包括 CT,、X 光、磁共振等等,，涵蓋了各種器官,。

北京大學(xué)未來技術(shù)學(xué)院助理研究員王勁卓介紹說,，“目前公開的醫(yī)學(xué)影像數(shù)據(jù)非常有限，我們建立的生成式模型有望解決訓(xùn)練數(shù)據(jù)不夠的問題,?！?/p>

這些合成的影像數(shù)據(jù)有多逼真呢？研究團(tuán)隊利用多種器官在 CT,、X 光,、磁共振等不同成像方式下的高質(zhì)量影像文本配對數(shù)據(jù)進(jìn)行訓(xùn)練，最終生成海量的醫(yī)學(xué)合成影像,，其在圖像特征,、細(xì)節(jié)呈現(xiàn)等多方面都與真實醫(yī)學(xué)圖像高度一致。

實驗結(jié)果表明,，使用 MINIM 生成的合成數(shù)據(jù),，在醫(yī)生主觀評價和客觀檢測標(biāo)準(zhǔn)上都達(dá)到了國際領(lǐng)先水平。在真實數(shù)據(jù)的基礎(chǔ)上,，使用 20 倍合成數(shù)據(jù)在眼科,、胸科、腦科和乳腺科的多個醫(yī)學(xué)任務(wù)準(zhǔn)確率平均可提升 12% 至 17%,。

王勁卓還表示,，MINIM 生成的合成數(shù)據(jù)應(yīng)用前景廣闊，既可以單獨用來訓(xùn)練醫(yī)學(xué)影像大模型,，也可以和真實數(shù)據(jù)混合使用,，從而提高模型在實際應(yīng)用中的性能，推動 AI 在醫(yī)學(xué)和健康領(lǐng)域更廣泛的應(yīng)用,。

目前，在疾病診斷,、醫(yī)學(xué)報告生成和自監(jiān)督學(xué)習(xí)等關(guān)鍵領(lǐng)域,，利用 MINIM 合成數(shù)據(jù)進(jìn)行訓(xùn)練已展現(xiàn)出顯著的性能提升。